Tecnologa MOPT Vol.

18-19, 2010-2011 ISSN 1659-2484

1

Proyeccin de Trficos Mediante un Modelo Microeconmico
Ing. Germn E. Valverde Gonzlez, M.B.A., M.Sc.
Director del Departamento de Ingeniera de Transporte
Escuela de Ingeniera Civil, Universidad de Costa Rica
german.valverde@ucr.ac.cr


Resumen

Se propone un nuevo mtodo para proyectar los flujos vehiculares en una red vial, el
cual consiste en un modelo que relaciona el crecimiento del trfico con el crecimiento de
variables socioeconmicas. El mtodo puede ser utilizado para estimar los flujos de
trfico futuro de una carretera an cuando esta no posea una serie histrica de su
trnsito promedio diario (TPD), ya que considera que existe un efecto global de largo
plazo del sistema de actividades sobre la demanda de transporte, que afecta por igual el
trfico de todas las vas dentro del rea de estudio. El proceso de calibracin del
modelo utiliza las tcnicas de anlisis de series de datos tipo panel. La aplicacin de la
metodologa al caso particular de la red vial del centro de la ciudad de San Jos
muestra un buen ajuste de los datos al modelo postulado.


Palabras clave: PROYECCCIN DE TRFICO, TRNSITO PROMEDIO DIARIO,
DEMANDA DE TRANSPORTE, SERIES HISTRICAS DE TRNSITO, DATOS
PANEL.
1. Introduccin
La demanda de transporte es derivada de la demanda de bienes y servicios. As, la
cantidad de viajes que se producen hacia y desde una ciudad, durante un perodo
determinado, est relacionada con el tipo, cantidad y distribucin espacial y temporal de
las actividades sociales y econmicas de la ciudad y sus alrededores, as como de las
caractersticas econmicas y demogrficas de la sociedad en estudio.

Es as como para proyectar a futuro los flujos vehiculares en el rea de estudio, se
relacion el comportamiento histrico del flujo vehicular de las principales vas de acceso
a una ciudad, en particular a San Jos, con tres variables socio-econmicas, a saber, la
poblacin, el producto interno bruto y la flota vehicular.


Tecnologa MOPT Vol. 18-19, 2010-2011 ISSN 1659-2484

2

El anlisis efectuado para la proyeccin de trfico tom en consideracin que los flujos
vehiculares dentro de la ciudad, ya sean viajes que se dirigen hacia la ciudad o que se
producen en la ciudad y se dirigen a algn destino fuera de ella, en su gran mayora
utilizan alguna de las vas principales de acceso, que en el caso de San Jos son: la ruta 1,
la ruta 2, la ruta 27 y la ruta 32. Por lo tanto, para estimar el crecimiento del trfico en la
ciudad se utiliz el comportamiento generalizado de crecimiento del trfico de estas vas
de acceso.
2. El modelo
2.1 Relacin entre el TPD y la flota vehicular
Debido a que el crecimiento del trfico est directamente relacionado con el del parque
automotor, se pueden realizar previsiones del primero basndose en la evolucin futura
del segundo (Kraemer et all, 2003).

Los datos que se utilizaron en este estudio para analizar la tendencia del trfico vehicular
y su relacin con la flota vehicular presenta dos dimensiones: 1) una serie de tiempo en
cada una de las estaciones de TPD, as como en el registro de los datos de la flota, y 2)
una dimensin estructural, ms conocida como corte transversal, la cual constituye
informacin para todas las unidades de estudio (las estaciones de conteo de TPD) en un
momento determinado (un ao especfico), y que est asociada con un valor especfico de
la variable flota vehicular. Las bases de datos que poseen estas caractersticas se conocen
con el nombre de datos panel.

Por lo tanto, para estudiar la relacin que existe entre la tendencia de crecimiento del
trfico en las estaciones de TPD y la tendencia de crecimiento de la flota vehicular del
pas se utiliz la tcnica economtrica de datos panel. El principal objetivo de aplicar y
estudiar los datos panel es capturar la heterogeneidad no observable, en este caso, entre
las distintas estaciones de TPD, as como en el tiempo, dado que esta heterogeneidad no
se puede detectar ni con estudios de series temporales ni tampoco con los de corte

Tecnologa MOPT Vol. 18-19, 2010-2011 ISSN 1659-2484

3

transversal
1
. La aplicacin de esta metodologa, muy usada en estudios de naturaleza
microeconmica, permite analizar dos aspectos de suma importancia cuando se trabaja
con este tipo de informacin y que forma parte de la heterogeneidad no observable: i) los
elementos individuales especficos y ii) los efectos temporales.

Los efectos individuales especficos, en nuestro caso, son aquellos que afectan de manera
desigual el TPD de cada una de las estaciones de conteo, los cuales se consideran
invariables en el tiempo y que estn relacionados con condiciones locales, tales como la
capacidad de la va y los efectos de distribucin de viajes en la red (que a nivel global en
nuestro estudio se consideran fijos en el tiempo).

Los efectos temporales son aquellos que afectan por igual a todas las unidades
individuales del estudio, es decir, el impacto que tiene el comportamiento socio-
econmico sobre el crecimiento global de la demanda agregada de transporte. Este efecto
temporal es el que ms nos interesa, ya que nos permite estimar las tasas futuras del
crecimiento del trnsito como respuesta al crecimiento de las variables socioeconmicas.

Con el propsito de proyectar las tasas de crecimiento del trnsito sobre la base del
comportamiento de la flota vehicular del pas, se postula el siguiente modelo
economtrico:


it i it
T k F

= (1)
Donde:

it
T : TPD de la estacin i en el ao t.
it
F : Flota automotor del pas en el ao t. Se emplea el subndice i para asociar el dato de
la flota a cada estacin i.
i
k y : Parmetros del modelo a ser determinados.


1
Vase Mayorga y Muoz (2000)

Tecnologa MOPT Vol. 18-19, 2010-2011 ISSN 1659-2484

4

En el modelo de la Ecuacin (1) el parmetro
i
k representa los efectos individuales
especficos de cada estacin i. Por su parte, el parmetro , que corresponde a la
elasticidad del TPD con respecto a la flota, modela los efectos temporales que afectan por
igual el crecimiento del trnsito en todas las estaciones.

La elasticidad del TPD con respecto a la flota, , es la razn entre el crecimiento
porcentual del TPD y el crecimiento porcentual de la flota:


T F
T T
E
F F

= =

(2)


De esta forma, la tasa de crecimiento generalizado del trfico se determina multiplicando
por la tasa de crecimiento de la flota vehicular.

2.2 Modelo economtrico del ndice de motorizacin

De acuerdo con el modelo (1) que se postula en la seccin 2.1, el problema de estimar la
tasa de crecimiento generalizado del trfico queda trasferido al de proyectar la flota de
vehculos.


La flota vehicular se puede estimar como el producto del nmero de habitantes y el ndice
de motorizacin (vehculos por habitante). En general, el ndice de motorizacin tiende a
crecer con el paso del tiempo, y su tasa de crecimiento suele ser mayor en zonas en las
que el ndice inicial es reducido, y va disminuyendo cuando el ndice aumenta, siguiendo
el comportamiento tpico de una curva logstica. Adems, existe una correlacin entre el
ndice de motorizacin y el crecimiento econmico del pas, ya que un mayor poder
adquisitivo se refleja en una mayor posesin de bienes (como el automvil).

Teniendo en cuenta las relaciones y comportamientos sealados, se suele postular una
relacin del tipo logstico entre el ndice de motorizacin y algn indicador que

Tecnologa MOPT Vol. 18-19, 2010-2011 ISSN 1659-2484

5

represente el nivel econmico del pas o regin analizada (Ver Kraemer et all, 2003).
Para efectos de este estudio se postula el siguiente modelo economtrico:



1
t
t P
F
f
e
+
=
+
(3)
Donde:

t
f : ndice de motorizacin del ao t , vehculos/1000 habitantes.
F : Mximo valor de f .

t
P : Producto interno bruto per cpita (PIB/cpita) en el ao t .
, : Parmetros del modelo.

3. Calibracin del modelo
3.1 El modelo de datos panel
Si a la Ecuacin 1 aplicamos una transformacin logartmica obtenemos:

( ) ( ) ( )
it i it
Ln T Ln k Ln F = + (4)

Realizando los siguientes cambios de variable:

( )
it it
Y Ln T = (5)
( )
i i
Ln k = (6)
( )
it it
X Ln F = (7)

El modelo adquiere la siguiente forma:


it i it it
Y X u = + + (8)


Tecnologa MOPT Vol. 18-19, 2010-2011 ISSN 1659-2484

6

que corresponde a la forma bsica de un modelo de datos panel con efectos fijos, en el
cual
it
u corresponde al trmino aleatorio de un modelo estocstico, cuyo valor esperado
es cero.

Existen dos mtodos para calibrar el modelo de la Ecuacin (8), el primero consiste en
expresar el modelo con el uso de n-1 regresores binarios, mientras que el segundo
consiste en expresar el modelo en la forma de desviaciones con respecto a la media. En
ambos casos, la estimacin del modelo se realiza aplicando el mtodo estadstico de
mnimos cuadrados ordinarios (MCO).
i) Modelo de efectos fijos con n-1 regresores binarios
El modelo de efectos fijos con n-1 regresores binarios tiene la siguiente forma:


1
1
n
it i it j ji it
j
Y X Z u

=
= + + +

(9)
Donde:
n : cantidad de estaciones de TPD

ji
Z : regresores binarios

j
: parmetros del modelo a ser determinados

Y en el que los regresores binarios,
ji
Z , se definen como:


1, si
0, en otro caso
ji
j i
Z
=
=
`
)
(10)

ii) Modelo de efectos fijos en desviaciones con respecto a la media
En el modelo de la Ecuacin (9) la media de las unidades individuales satisface:


1 1 1
1 1 1
i i i
T T T
it i it it
t t t i i i
Y X u
T T T

= = =
= + +

(11)


Tecnologa MOPT Vol. 18-19, 2010-2011 ISSN 1659-2484

7

Donde
i
T es el total de aos para los que existen datos en la estacin i.

La desviacin con respecto a la media de las unidades individuales es:


1 1 1
1 1 1
i i i
T T T
it it it it i it
t t t i i i
Y Y X X u u
T T T

= = =
| | | |
= +
| |
\ \

(12)

La Ecuacin (12) es el modelo de datos panel de efectos fijos expresado en desviaciones
con respecto a la media, el cual se puede escribir de forma ms simplificada realizando
los siguientes cambios de variable:


1
1
i
T
it it it
t i
Y Y Y
T
=
=

%
(13)

1
1
i
T
it it it
t i
X X X
T
=
=

%
(14)

1
1
i
T
i i it
t i
u u u
T
=
=

% (15)

De tal manera que el modelo de la Ecuacin (12) se puede re-escribir como:


it it it
Y X u = +
% %
% (16)

Ntese que en este caso los efectos individuales especficos de cada estacin de trnsito
no son identificables y no se pueden determinar al aplicar el mtodo MCO al modelo en
desviaciones con respecto a la media. Sin embargo, tal y como se indica en la seccin 2.1,
lo que interesa para estimar la tasa de crecimiento generalizado del trnsito es determinar
la elasticidad del trnsito con respecto a la flota vehicular, es decir, el parmetro .






Tecnologa MOPT Vol. 18-19, 2010-2011 ISSN 1659-2484

8


3.2 Calibracin del sub-modelo de la tasa de motorizacin
El modelo de la Ecuacin (3) puede reescribirse como:


e
+P
t
=
F
f
t
1 (17)
Al aplicar logaritmo natural a ambos lados se obtiene:



+P
t
= Ln
F
f
t
1
|
\

|
(18)
Esta ecuacin se puede escribir de forma ms simplificada realizando los siguientes
cambios de variable:


Y = Ln
F
f
t
1
|
\

|
(19)


X = P
t
(20)
As:


Y = + X (21)

La ecuacin (21) puede calibrarse mediante el mtodo MCO.

El valor del ndice mximo de motorizacin, F , est relacionado con el nivel de riqueza
del pas, y de acuerdo con Kraemer et all, 2003, lmites que parecan altos hace unos aos
se han sobrepasado despus, y aunque este ndice siga creciendo puede pensarse que ser
siempre inferior a un coche por habitante. Para el caso de pases con un gran nivel de
desarrollo y altos ndices de motorizacin, el valor de F es cercano o incluso mayor a 700
vehculos/1000 hab.

Tanner (1974) propone un mtodo para estimar F que consiste en ajustar mediante una
regresin lineal el comportamiento entre la tasa de crecimiento anual de la flota
automotor,
t
g , y el valor de la flota,
t
f :


t t
g a b f = + (22)

Tecnologa MOPT Vol. 18-19, 2010-2011 ISSN 1659-2484

9


El ndice mximo de motorizacin, F , corresponde por definicin al valor mximo de
t
f que se alcanza en el momento cuando la tasa de cambio del ndice de motorizacin
(
t
g ) es cero. De esta forma, F a b = , y se espera que a sea positivo y b sea menor que
cero, de donde 0 F > .

Aplicando este mtodo, Tanner (1974) estim el valor de F en 450 veh/1000 hab para
Gran Bretaa.
y = -0,0001x + 0,0599
R
2
= 0,0103
0
0,02
0,04
0,06
0,08
0,1
0,12
0 50 100 150 200
ndice de motorizacin, ft (Veh/1000 hab)
T
a
s
a

d
e

c
r
e
c
i
m
i
e
n
t
o
,

g
t


Figura 1: Determinacin del ndice mximo de motorizacin, F, Mtodo de Tanner

La
Figura 1 resume los resultados obtenidos al aplicar el mtodo Tanner para estimar F
utilizando la serie de datos de la flota automotor y los datos de poblacin entre 1987 y el
2005. El valor que se obtiene del ndice mximo de motorizacin es
592 veh/1000 hab F = . Sin embargo, el resultado obtenido mediante el mtodo de
Tanner no es muy confiable para el caso de Costa Rica, debido a la gran dispersin de los
datos que se observa en el grfico de la
Figura 1, y que tambin se refleja en el bajo valor del coeficiente de determinacin, R
2
.

Por lo tanto, para estimar F se realiz un proceso de iteracin, mediante el cual se
determin el valor de F que maximiza el coeficiente de determinacin, R
2
,
correspondiente al ajuste del modelo economtrico (3). De esta forma, el ndice mximo

Tecnologa MOPT Vol. 18-19, 2010-2011 ISSN 1659-2484

10

de determinacin estimado, corresponde a aquel valor que permite encontrar el modelo
economtrico entre
t
f y
t
P del tipo logstico propuesto, que mejor se ajusta a los datos.

4. Caso de Estudio
El anlisis de tendencias del trfico de las vas de acceso a San Jos se efectu
relacionando las series histricas del Trnsito Promedio Diario (TPD) de las estaciones
de conteo del Departamento de Planificacin Sectorial del Ministerio de Obras Pblicas y
Transporte (MOPT), con la serie temporal de la flota de vehculos inscritos en el pas. El
Cuadro 1 indica las estaciones de registro de TPD del MOPT localizadas sobre las
principales rutas de acceso a San Jos, y que se encuentran ms cercanas a la ciudad.

Cuadro 1: Estaciones de TPD, vas de acceso a San Jos
Ruta Estacin Descripcin
1 101 Sabana-Hospital Mxico, puente sobre el Ro Torres
2
1 San Pedro-Curridabat, puente sobre el Ro Piruses (Montesacro)
3 San Jos-San Pedro, Los Yoses (Frente al Bar Ro)
27
11 San Jos-Sabana Oeste- Santa Ana, Peaje de Escaz
736 Sabana Oeste-Sn Rafael de Escaz, puente sobre el Ro Tirib
739 San Jos-San Rafael de Escaz, al costado sur del Gimnasio Nacional
32
14 San Juan de Tibs-Zurqu, Santa Elena de San Isidro
173 San Jos-Tibs, 100 m despus del paso elevado de la Ruta N 101 a Llorente

Para calibrar el modelo economtrico (8) se aplic el mtodo MCO, al modelo de datos
panel de efectos fijos con n-1 regresores binarios (Ver Ecuacin 9). Los resultados se
resumen en el Cuadro 2.

Cuadro 2: Resultados de la calibracin del modelo economtrico de datos panel
Ruta Estacin, j k
j

1 101 1,3023
2
1 0,6598
3 0,8013
27 11 0,2968

Tecnologa MOPT Vol. 18-19, 2010-2011 ISSN 1659-2484

11

736 0,7295
739 0,6290
32
14 0,1284
173 0,3590
Parmetro


R
2


Para verificar el valor estimado de la elasticidad del trfico con respecto a la flota, , se
aplic el mtodo MCO al modelo de datos panel en desviaciones con respecto a la media,
obtenindose, como era de esperar, el mismo valor para que se muestra en el Cuadro 2
(en este caso el R
2
obtenido fue de un 64%).

La Figura 2 muestra grficamente los resultados obtenidos en el anlisis iterativo que se
realiz para estimar el valor de F . Mediante este anlisis se estim un valor mximo de
425 veh/1000 hab para Costa Rica. Debe tenerse en consideracin que el valor
encontrado del parmetro F tiene validez para proyecciones de corto a mediano plazo, ya
que en la prctica el valor de F tiende a incrementarse en largo plazo (Ver Kraemer et
all, 2003 y Ortzar y Willumsen, 2001).
425; 0,9222
0,91
0,915
0,92
0,925
0,93
300 350 400 450 500 550 600
F
R
2

Figura 2: Determinacin de F mediante proceso iterativo.


Tecnologa MOPT Vol. 18-19, 2010-2011 ISSN 1659-2484

12

Utilizando el valor estimado de F y la series temporales de flota automotor, producto
interno bruto, poblacin, y aplicando las transformaciones de variable indicadas en las
ecuaciones (19) y (20), se aplica el mtodo MCO entre Y y X para calibrar el modelo
economtrico (3). En la Figura 3 se muestra de forma grfica el ajuste del modelo a los
datos reales, y se indican los valores encontrados de los parmetros del modelo. Este
modelo economtrico permite explicar un 92% de la relacin entre el PIB per cpita y el
ndice de motorizacin.
0
50
100
150
200
250
250000 270000 290000 310000 330000 350000 370000 390000
Pt, PIB/Cpita
f
t
,

F
l
o
t
a
/
1
0
0
0

h
a
b

Figura 3: Calibracin del modelo economtrico para estimar el ndice de motorizacin, f
t
vrs P
t


5. Conclusiones
La gran mayora de estudios tcnicos de transporte e ingeniera de trnsito en Costa Rica
no utilizan modelos para la proyeccin de demanda de transporte, sino que hacen uso de
series longitudinales de tiempo de los datos de trnsito promedio diario (TPD) de las
carreteras, y utilizan la tasa histrica de crecimiento vehicular para estimar los flujos
vehiculares futuros.

Esta tcnica es vlida nicamente para proyectar trficos a corto plazo, ya que la tasa
histrica de crecimiento anual del trfico no se mantiene en largo plazo, debido
principalmente por la limitacin de capacidad de las carreteras. Para tomar en
consideracin que el trnsito a futuro crece a una tasa inferior que la del registro
histrico, se debe recurrir al criterio profesional, y de forma subjetiva decidir el valor de
la tasa de crecimiento que se aplicar para la proyeccin de los flujos de trnsito, de lo
contrario se opta por sobreestimar la demanda de viajes y asumir las implicaciones
econmicas indeseables que se obtienen del sobre diseo de las soluciones viales.

Por estas razones se concluye que, el modelo microeconmico propuesto para la
proyeccin de trficos es una valiosa herramienta alternativa al uso de tendencias de

Tecnologa MOPT Vol. 18-19, 2010-2011 ISSN 1659-2484

13

crecimiento histricas de TPD, la cual no adolece de las limitaciones tcnicas comentadas
en los prrafos anteriores.

Los resultados obtenidos de la aplicacin a la ciudad de San Jos demuestran que, el
comportamiento y relacin entre las variables se ajustan a la forma funcional postulada
para el modelo. El modelo postulado logra explicar ms de un 80% del comportamiento
histrico de las series de TPD, del cual un 64% logra ser explicado por el parmetro .

Dada la forma funcional del modelo de prediccin de trnsito, conformado por una
componente longitudinal constante (, que explica el comportamiento a lo largo del
tiempo) y una componente transversar que explica las diferencias del TPD entre cada
sitio ( k
i
), es posible utilizar modelo para proyectar el TPD de una va localizada dentro
del rea de estudio que no posea un registro histrico de TPD, ya que la elasticidad del
TPD con respecto al crecimiento de la flota vehicular () es vlido para cualquier va
localizada dentro del rea de anlisis. Para estos efectos, basta con poseer una medicin
reciente del trnsito de la va de inters y estimar mediante el submodelo (3) el
crecimiento de la flota vehicular al ao en que se desea hacer la proyeccin del trnsito.

Por su parte, se concluye que el modelo de la tasas de motorizacin logra explicar
adecuadamente la relacin que existe entre el creamiento de la poblacin, la condicin
econmica nacional y la flota automotor. Por lo tanto, este modelo permite estimar el
creamiento de la flota vehicular con un buen nivel de confianza.

Se concluye tambin que para el caso de Costa Rica, el mtodo propuesto por Tanner
(1974) no permite estimar con suficiente confianza el valor de la tasa mxima de
motorizacin (F), y resulta ms confiable utilizar un valor F estimado segn el mtodo
explicado en este artculo.


Bibliografa

Kraemer, C., Pardillo, Pardillo, J. M., Roccoci, S., Romana, M. G., Blanco, V. S., Del
Val, M. A. (2003) Ingeniera de Carreteras, Volumen I. MacGraw-Hill/Interamericana de
Espaa, Espaa.

Mayorga M. y E. Muoz (2000) La tcnica de datos de panel una gua para su uso e
interpretacin. Banco central de Costa Rica. Departamento de investigaciones
econmicas.

Maddala, G.S. (1994) Econometra. MacGraw-Hill/Interamericana de Mxico, S.A. de
C.V., Mxico.

Ortzar, J. de D., and L.G. Willumsen (2001) Modelling Transport: Third Edition. John
Wiley and Sons, Chichester.


Tecnologa MOPT Vol. 18-19, 2010-2011 ISSN 1659-2484

14

Tanner, J.C. (1974) Forecasts of vehicles and traffic in Great Britain: 1974 revisin.
TRRL Report LR650, Transport and Road Research Laboratory, Crowthorne.